写在前面:
国庆以来自己一直将主要的空闲精力放到了机器学习方面,跟着EliteDataScience的指导走,大部分时间都用于学习吴恩达的机器学习课程
随着课程进入相对枯燥的阶段,手痒的我决定回到爬虫上做些小小的项目。之前我做的爬虫只要都用于控制台简单交互式的资源爬取上面,比如电影,美剧,字幕等,需要深度定制,很少使用框架
由于实战中一直缺少scrapy的练习,因此这次我打算先从温习scrapy开始
实战
前一天晚上温故了scrapy官方文档,昨晚便开始了实践,由于实在有限的时间,先踏一小步,就拿scrapy爬取imdbtop250开刀,由于内容比较简单,就没有改动items,pipeline等,直接在spider中完成实现
import scrapy
class Imdbtop(scrapy.Spider):
name = 'top250'
start_url = 'https://www.imdb.com/chart/top?ref_=nv_wl_img_3/'
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.120 Safari/537.36'
}
#adding request headers
def start_requests(self):
yield scrapy.Request(url=self.start_url, callback=self